从githubtimeline中选择存储库url:按repos分组推送和下载，按stargeaders过滤repos

Question

我不懂sql，我试图记录我的自我，但无法达到我想要的结果。

我在Bigquery上查看这个查询，针对Github_timeline:

SELECT repository_url, actor_attributes_login
FROM [githubarchive:github.timeline]
WHERE type='WatchEvent' AND actor_attributes_login IN (
  SELECT actor_attributes_login FROM [githubarchive:github.timeline]
  WHERE type='WatchEvent'
  GROUP BY actor_attributes_login HAVING (count(*) > 1) AND (count (*) < 500)
)
GROUP EACH BY repository_url, actor_attributes_login;

在此处找到：https://github.com/anvaka/ghindex

根据我的理解，查询约束结果是以1<观星者<500.

我想：在一次拍摄中从Type的多个值中获取数据：(对于感兴趣的人，请在此处找到类型描述：https://developer.github.com/v3/activity/events/types/)

我想：

• 根据Type字段中的其他变量获取数据，例如pushEvents和downloadEvents
• 按repo对推送和下载进行分组：如果repo有来自一个用户的多个推送，则返回一行以减小生成的表的大小
• 获取一个项目的观星者数量，限制为1

我试着用repository_url将行分组，然后是限制为1的观星者

SELECT repository_url, actor_attributes_login, type
FROM [githubarchive:github.timeline]
WHERE (type='PushEvent'OR type='WatchEvent') AND actor_attributes_login IN (
  SELECT repository_url, actor_attributes_login FROM [githubarchive:github.timeline]
  WHERE (type='WatchEvent' or type='PushEvent')
  GROUP BY repository_url, actor_attributes_login HAVING (count(*) > 1) AND (count (*) < 500) 
)
GROUP EACH BY repository_url, actor_attributes_login, type
LIMIT 100;

但出现错误：

Error: Right query in semi-join must have exactly one field selected.

我还尝试从字段TYPE中简化和收集多个变量，而不尝试按repository_url进行分组；(在这里，我只使用AND actor_attributes_login=="author"来限制结果的数量，作为测试(：

SELECT repository_url, actor_attributes_login, type
FROM [githubarchive:github.timeline]
WHERE (type='WatchEvent') AND actor_attributes_login IN (
  SELECT actor_attributes_login FROM [githubarchive:github.timeline]
  WHERE (type='WatchEvent' OR type='PushEvent' OR type='DownloadEvent' OR type='IssueCommentEvent') AND actor_attributes_login=='author'
  GROUP BY actor_attributes_login HAVING (count(*) > 1) AND (count (*) < 500)
)
GROUP EACH BY repository_url, actor_attributes_login, type LIMIT 100;

但是：

Query returned zero records.

你能帮助我理解我做错了什么吗

• 将用户提交给repo的所有推送收集到一个唯一的行中
• 一次在类型字段中收集更多事件(例如推送+下载+观看

我可能想将上面的查询与应用于WatchEvent中涉及的用户数量的约束结合起来：-获取所有凝视repo的星星(即watchEvents中的所有actor_attributes_login(，约束为1

但最终我可以完成后处理的最后一部分，以降低复杂性。谢谢你的帮助！

Answer 1

也许我误解了你的问题陈述，但我认为以下SQL可以满足你的要求：

SELECT a.repository_url, a.actor_attributes_login, a.type
FROM [githubarchive:github.timeline] a
JOIN EACH
(SELECT actor_attributes_login FROM [githubarchive:github.timeline]
 WHERE type IN ('WatchEvent', 'PushEvent')
 GROUP BY actor_attributes_login HAVING (count(*) BETWEEN 1 AND 500)
) b
ON a.actor_attributes_login = b.actor_attributes_login
GROUP EACH BY 1,2,3 LIMIT 100;